ИИ впервые спроектировал полноценные вирусные геномы, работающие в живых клетках

Результаты исследования были опубликованы 6 августа 2026 года в журнале Science. Речь идет не о небольших изменениях отдельных генов, а о создании целых вирусных геномов, которых ранее не существовало в природных базах данных .

Как работали Evo 1 и Evo 2

Evo 2 — базовая модель для работы с генетическими последовательностями. Она обучалась на ДНК бактерий, архей, растений, животных и человека и анализирует последовательности на уровне отдельных нуклеотидов — «букв» генетического кода .

Исследователи дополнительно настроили Evo 1 и Evo 2 на геномах бактериофагов. Модели должны были создавать последовательности с реалистичной генетической структурой и нужной специфичностью к хозяину — в данном случае к бактерии Escherichia coli . В качестве природного ориентира использовали хорошо изученный фаг ΦX174, заражающий E. coli .

Процесс состоял из нескольких этапов:

• модели сгенерировали около 700 000 кандидатов на роль вирусных геномов ;
• компьютерные фильтры отобрали 302 наиболее перспективные последовательности ;
• 285 из них химически синтезировали, то есть превратили цифровые проекты в физические молекулы ДНК, после чего проверили в клетках E. coli ;
• 16 из 285 синтезированных геномов дали функциональные фаги, способные размножаться, заражать бактерии и вызывать их лизис — разрушение клеток .

Таким образом, экспериментальная успешность составила примерно 5,6%. Авторы называют этот показатель первым измеримым ориентиром для оценки «продуктивной отдачи» генеративного дизайна геномов .

Что показали эксперименты с фагами

Все 16 жизнеспособных фагов заражали и уничтожали E. coli в лабораторных условиях . При прямом сравнении несколько созданных ИИ вариантов росли быстрее и вызывали лизис бактерий эффективнее, чем природный ΦX174, использованный как шаблон .

Некоторые из новых фагов отличались от природного вируса более чем 50 изменениями в аминокислотных последовательностях. Такая степень расхождения показывает, что модель создавала не просто слегка измененные копии, а генетически значительно новые варианты .

Особенно необычным оказался один из фагов: он кодировал белок упаковки ДНК, аналогов которого не нашли ни в одном известном организме на Земле . Это означает, что ИИ предложил биологическую конструкцию, не представленную в известных природных базах данных.

Смесь из 16 фагов также подавляла несколько штаммов E. coli, включая варианты, устойчивые к отдельным фагам . Такой результат важен потому, что бактерии могут быстро вырабатывать защиту против одного вируса, тогда как комбинация разных фагов создает для них более сложную мишень.

Почему это важно для лечения устойчивых инфекций

Антибиотикорезистентность ограничивает эффективность привычных препаратов. Фаговая терапия предлагает другой подход: бактериофаги избирательно атакуют определенные бактерии и размножаются внутри них. Однако и против фагов бактерии способны развивать устойчивость.

Возможность быстро проектировать новые фаги потенциально позволит обновлять такие препараты по мере появления устойчивых штаммов . Комбинации нескольких вирусов могут одновременно воздействовать на бактерии разными способами и тем самым затруднять формирование защиты .

Работа Stanford и Arc Institute пока не является готовым медицинским лечением. Эксперименты проводились на лабораторных штаммах E. coli, а не на пациентах. Но исследование показывает, что геномные языковые модели уже могут создавать целые вирусные геномы, которые функционируют в живых клетках . Это открывает путь к разработке фагов под конкретные бактериальные инфекции — при условии дальнейших испытаний, оценки безопасности и медицинской регуляторной проверки.

Главный вопрос — не только научный, но и регуляторный

В сопроводительном комментарии к публикации в Science Томас Инглсби и Мориц Ханке из Центра безопасности в сфере здравоохранения имени Джонса Хопкинса назвали ситуацию срочным вызовом для биобезопасности и биозащиты. По их оценке, возможность создавать вирусные геномы с помощью генеративного ИИ уже существует, тогда как система управления, которая гарантировала бы безопасное применение этой технологии, пока не сформирована .

Один из действующих механизмов защиты — проверка заказов на синтез ДНК, которую поддерживает International Gene Synthesis Consortium. Но эта система добровольная, не закреплена законом как обязательная для всех и в первую очередь рассчитана на поиск совпадений с известными последовательностями патогенов . Полностью новая последовательность, которой никогда не было в природных базах данных, может не пройти такую проверку по стандартному сценарию.

Arc Institute предпринял меры предосторожности: эукариотические вирусы, то есть вирусы, поражающие человека или других животных, намеренно исключили из обучающих данных Evo 2 . Тем не менее эксперты предупреждают, что аналогичные инструменты могут быть использованы злоумышленниками для проектирования опасных последовательностей, а темп их создания способен опередить существующие системы мониторинга .

Комментарий в Nature также отмечает двойное назначение таких технологий: те же методы, которые помогают искать лекарства и бороться с устойчивыми бактериями, потенциально могут снизить барьер для создания новых биологических угроз .

Итог эксперимента двойственен. Научно он показывает, что генеративный ИИ впервые смог перейти от проектирования отдельных белков и генов к созданию полноценных работающих вирусных геномов. С точки зрения безопасности это одновременно сигнал о необходимости обновить правила синтеза ДНК, контроля биологических моделей и независимой проверки подобных исследований.